Arduino CLI平台规范中的硬件目录结构解析
2025-06-12 09:04:44作者:董灵辛Dennis
概述
在Arduino生态系统中,平台(Platform)和核心(Core)的概念经常让开发者感到困惑。本文将以Arduino CLI项目为例,深入解析其平台规范中硬件目录结构的实际应用场景,帮助开发者理解不同安装方式导致的目录结构差异。
两种安装方式及其目录结构
1. 手动安装方式
当开发者手动安装平台时,文件会被放置在用户目录(也称为Sketchbook)下的hardware子目录中。这种目录结构遵循以下模式:
hardware/
├── arduino/
│ ├── avr/... # Arduino AVR开发板
│ └── sam/... # Arduino SAM(32位ARM)开发板
├── yyyyy/
│ └── avr/... # 第三方Yyy品牌的AVR开发板
└── xxxxx/
└── avr/... # 第三方Xxx品牌的AVR开发板
这种结构的特点是:
- 直接位于用户目录的
hardware文件夹下 - 第一级子目录通常是厂商名称(如arduino)
- 第二级子目录是架构名称(如avr、sam)
- 适用于开发者手动放置平台文件的情况
2. 通过开发板管理器自动安装
当使用Arduino IDE的开发板管理器(Board Manager)自动安装平台时,文件会被放置在专门的包管理目录中,结构完全不同:
packages/
└── arduino/
└── hardware/
└── avr/
└── 1.8.6/
├── cores/
│ └── arduino/
└── ...
这种结构的特点是:
- 位于专门的
packages目录下 - 包含版本号子目录(如1.8.6)
- 由开发板管理器自动管理,不建议用户手动修改
- 采用更规范的包管理结构
为什么存在这种差异?
这种差异源于Arduino生态系统的历史演变和不同管理方式的需求:
- 历史兼容性:早期Arduino只有手动安装方式,后来才引入开发板管理器
- 隔离性:自动安装的平台需要与用户手动安装的平台隔离
- 版本管理:开发板管理器需要支持多版本并存,因此引入版本号目录
- 自动化需求:自动安装需要更结构化的目录布局
实际开发中的建议
- 普通用户:建议始终使用开发板管理器安装平台,避免手动操作
- 平台开发者:
- 开发测试时可以使用手动安装方式快速迭代
- 发布时应当打包为可通过开发板管理器安装的格式
- 高级用户:
- 了解两种目录结构差异有助于排查问题
- 不要混合使用两种安装方式,以免造成冲突
总结
理解Arduino CLI平台规范中的硬件目录结构差异,有助于开发者更好地管理Arduino开发环境。手动安装和自动安装产生的不同目录结构反映了Arduino生态系统的发展历程和不同使用场景的需求。在实际开发中,根据自身需求选择合适的安装方式,并遵循相应的目录规范,可以避免许多常见问题。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217